Apache Doris MCP：AI时代的数据访问革命！

引言

最近一直没有时间写公众号，鸽了很久。

一方面是最近工作非常忙，时间有限。

另一方面是从零开发 Apache Doris MCP Server 的代码，所以时间基本都被占用了。

周末应邀参加了 Doris 社区联合阿里云团队在汇付天下提供的场地做了 Doris MCP Server 的演讲，会后很多同学想要一份演讲稿，故此简单整理了一下，给大家做一个分享。

话不多说，以下为正文。

正文

各位朋友，大家好！

PPT封面

今天我要和大家分享的主题是 "Apache Doris MCP：AI时代的数据访问革命"。当我们站在2025年这个时间节点，回望过去十年的技术发展，我们会发现一个令人震撼的事实：我们正在经历一场前所未有的技术变革。这场变革的核心，就是AI Agent的全面崛起。

想象一下，如果您的数据分析师可以在几秒钟内回答 "最近一周哪些商品销量增长最快" 这样的问题，而不需要花费数小时编写SQL；想象一下，您的开发者可以在编码过程中直接询问"这个用户表有哪些字段"，而不需要离开IDE查看文档。这不是科幻，这就是我们今天要介绍的Apache Doris MCP正在实现的现实。

目录页

今天的分享将围绕四个核心话题展开：

首先，我们会深入探讨Agent时代的到来，理解这个新时代对数据基础设施提出的全新挑战；

接下来，我们会剖析Apache Doris如何在技术层面应对这些挑战，展现其作为AI时代智能数据平台的强大能力；

然后，我们会重点介绍MCP协议——这个被誉为AI应用"USB-C接口"的革命性标准；

最后，通过四个精彩的实战案例，让大家直观感受Doris MCP在真实场景中的强大威力。

Agent时代的到来

让我们首先回到一个根本性的问题：什么是Agent时代？

如果说2014-2024年是传统BI的黄金十年，那么从2025年开始，我们正式进入Agent时代。这不仅仅是技术的迭代升级，而是一场用户角色的根本性变革。

在传统模式下，数据分析是一个相对线性的过程：业务人员提出问题，数据分析师编写SQL，等待结果，然后进行解读。这个过程可预测、有序，但效率有限。一个复杂的业务报表可能需要数天甚至数周才能完成，因为涉及需求沟通、数据理解、SQL编写、测试验证等多个环节。

工作模式对比

但Agent时代完全不同。让我用一个具体例子来说明这种差异：

在传统模式下，当业务人员想了解 "哪些用户流失风险最高" 时，需要向数据团队提交需求，数据分析师花费数小时理解业务逻辑，编写复杂的SQL查询，涉及用户行为表、订单表、产品表的多表关联，然后生成报表。整个过程可能需要数天。

而在Agent时代，用户直接询问AI Agent同样的问题，Agent会在几秒钟内：首先分析用户表结构获取用户基础信息，然后查询行为日志表分析用户活跃度，接着关联订单表计算购买频率，再计算用户价值评分，最后应用流失预测模型。这一系列操作可能触发十几个数据库查询，但对用户来说只是一次简单的对话。

这种工作模式的转变，对底层数据基础设施提出了三大前所未有的挑战。

图片

三大数据挑战

第一个挑战是并发性能的指数级增长。让我们用数字来说话：传统企业BI系统，同时在线分析的用户可能是几十到几百人。但在Agent时代，一个中等规模的电商企业可能同时运行数百个Agent：

• • 客服Agent处理客户咨询，每分钟可能查询用户信息数百次
• • 推荐Agent为每个访问用户生成个性化推荐，每秒数千次查询
• • 库存Agent实时监控库存状态，持续查询商品数据
• • 价格Agent动态调整价格策略，频繁分析竞品数据
• • 营销Agent优化广告投放，实时查询转化效果
• • 风控Agent检测异常交易，毫秒级响应每笔交易

这意味着数据库需要同时处理的并发查询从传统的数百个QPS跃升到数万甚至数十万QPS。

第二个挑战是实时性要求达到新高度。在传统BI中，昨天的数据分析今天的业务是完全可以接受的。但Agent需要基于最新数据做即时决策。

举个例子，智能风控Agent在用户刷卡的瞬间，需要在100毫秒内完成：查询用户历史信用记录、分析当前交易模式、检查地理位置异常、比对消费习惯、计算风险评分。任何一个环节的数据延迟都可能导致误判，要么错失欺诈检测，要么误伤正常用户。

第三个挑战是智能查询优化的必要性。Agent生成的查询具有高度动态性和不可预测性。传统BI的查询模式相对固定，我们可以预先优化。但Agent可能会生成各种"创意"组合：

比如一个智能客服Agent可能会问："找出所有在北京、购买过苹果手机、最近30天没有登录、但购买金额超过5000元的用户"。这种查询在传统BI中很少见，但对Agent来说是日常操作。传统的查询优化器很难应对这种动态性。

图片

Doris四大技术优势

面对这些挑战，Apache Doris展现了卓越的技术优势。让我们深入了解这些技术如何解决Agent时代的数据难题。

在MPP分布式架构方面，Doris采用了无主节点的分布式设计，这对Agent应用具有重要意义。想象一下，当数百个Agent同时访问数据库时，传统的主从架构会在主节点形成瓶颈。而Doris的每个BE节点都可以独立处理查询请求，避免了单点故障。

更重要的是，Doris的向量化执行引擎专门针对现代CPU进行了优化，充分利用SIMD指令集，这让Agent生成的大量聚合查询和复杂分析的性能提升达到5-10倍。当一个推荐Agent需要同时计算数千个用户的个性化推荐时，这种性能优势就显得至关重要。

在Multi-Catalog联邦查询能力上，这是Agent时代的一个关键需求。企业的数据往往分散在不同系统中：用户信息在MySQL，行为数据在Hive，商品信息在PostgreSQL，日志数据在HDFS。传统方案需要为每个数据源开发专门的访问接口。

而Doris的Multi-Catalog功能为Agent提供了统一的数据访问视图。一个智能分析Agent可以通过单一SQL语句，同时查询内部用户表、外部Hive数据湖的行为数据、以及云存储中的商品信息。这种统一访问能力让Agent获得了完整的数据全景，而不是局部的数据片段。

在向量检索方面，随着RAG技术和多模态AI的发展，越来越多Agent需要同时处理结构化数据和向量数据。比如一个智能客服Agent需要理解用户的文本询问，同时查询相关的产品数据。

Doris原生支持向量数据类型和向量索引，这意味着Agent可以在同一个查询中完成：语义相似度搜索找到相关FAQ，同时关联用户的订单历史和产品信息。这种向量与结构化数据的融合查询，为Agent提供了更加丰富和准确的上下文信息。

在安全与可观测性上，Agent的自主性和高频访问特性带来了新的安全挑战。Doris提供了企业级的安全框架，包括多层级权限控制、SQL注入防护、数据脱敏等功能。同时，完整的审计日志系统可以追踪每个Agent的数据访问行为，确保合规性。

图片

MCP协议介绍

这就引出了今天的核心主题：Model Context Protocol，简称MCP。

想象一下，如果每次连接不同的设备都需要不同的线缆和接口，我们的数字生活会是什么样子？你的笔记本需要一种接口，手机需要另一种，相机又需要第三种。USB-C的出现彻底改变了这一切——一根线缆连接所有设备，一个标准解决所有连接问题。

MCP协议正在为AI应用领域带来同样的革命。在MCP出现之前，AI应用开发就像是在没有USB标准的时代：每个AI应用要连接数据库需要开发JDBC接口，连接云存储需要开发S3接口，连接API服务需要开发REST接口。这种烟囱式开发模式不仅成本高昂，更严重的是维护困难。

让我用具体数字来说明这个问题：一个企业级AI应用可能需要连接10-15个不同的数据源和服务。传统方式下，开发团队需要为每个数据源编写专门的连接代码，涉及不同的认证方式、数据格式、错误处理机制。这意味着70%的开发时间花在了"管道工程"上，而不是核心的AI逻辑。

MCP协议的出现改变了这一切。它基于成熟的JSON-RPC 2.0协议构建，这个协议已经在互联网应用中经过了十多年的验证。MCP定义了三种核心交互模式：

1. 1. 资源访问模式：用于获取静态或准静态的数据资源，比如数据库表结构、文件内容等
2. 2. 工具调用模式：用于执行特定的操作或计算，比如SQL查询、数据分析等
3. 3. 提示模板模式：为AI模型提供结构化的上下文信息，优化AI的理解能力

更重要的是，MCP内置了企业级的安全机制。支持API密钥、OAuth 2.0、JWT等多种认证方式，提供细粒度的权限控制，确保每个AI应用只能访问被授权的资源。

图片

Doris MCP架构

Doris MCP的架构设计体现了对AI时代需求的深刻理解和技术前瞻性。

首先是通信模式的多样化支持。在大部分 MCP 都只提供了 Stdio 标准输入输出的本地化模式时，Doris MCP就已全面支持两种主要通信模式：

1. 1. Streamable HTTP模式：这是我们的主推模式，基于HTTP协议提供统一的请求/响应和流式传输能力。它特别适合Web应用集成，支持大数据量传输，具有良好的防火墙穿透能力和负载均衡支持。
2. 2. Stdio模式：标准输入输出模式，专门为开发工具集成设计。当您在Cursor等IDE中使用时，这种模式提供了零延迟的进程间通信，资源占用极低，特别适合开发环境。

核心工具集的设计更是体现了对AI应用全生命周期的考虑。我们提供了超过15个专业工具，涵盖：

• • 元数据发现工具：get_db_list、get_table_schema等，让AI快速理解数据结构
• • 查询执行工具：exec_query，支持高性能SQL执行和安全检查
• • 性能分析工具：get_sql_explain、get_sql_profile，为AI提供查询优化建议
• • 监控工具：get_monitoring_metrics_data，实时监控系统状态
• • 安全审计工具：get_recent_audit_logs，确保操作可追溯

基于Doris的Multi-Catalog能力，MCP Server实现了真正的联邦查询。AI应用可以通过三部分命名（catalog.database.table）无缝访问内部Doris表和外部数据源，包括MySQL、PostgreSQL、Hive、Iceberg等，真正实现了"一个接口，连接所有数据"的愿景。

图片

应用场景

Doris MCP的应用场景极其广泛。从企业内部的业务分析、实时监控，到面向客户的智能客服、个性化推荐，再到开发者的工具集成、数据探索——每一个场景都展现了MCP协议标准化带来的巨大价值。

这种广泛的适用性，正是MCP作为"AI应用USB-C接口"的最好证明。

现在，让我们通过四个精彩的实战案例，直观感受Doris MCP的强大威力。

图片

Dify + Doris MCP 构建 ChatBI

第一个案例是ChatBI——数据分析领域的范式革命。

ChatBI代表了将专业数据分析能力民主化到每一个业务人员的愿景。通过Dify的AI开发平台和Doris MCP的Streamable HTTP通信模式，我们彻底打破了传统BI的技术壁垒。

让我用一个真实的业务场景来说明这种变革：传统模式下，当销售总监想了解"最近一周哪些商品销量增长最快"时，需要向数据团队提交需求，数据分析师需要理解业务逻辑，查询销售表、商品表、库存表，进行复杂的时间窗口计算和同比分析，然后制作报表。整个过程可能需要2-3天。

现在通过ChatBI，销售总监直接问："最近一周哪些商品销量增长最快？"系统在几秒钟内完成：

1. 1. 通过get_table_schema工具自动发现销售相关表结构
2. 2. 通过get_db_table_list找到商品和库存关联表
3. 3. 生成包含时间窗口、同比计算的复杂SQL
4. 4. 通过exec_query执行查询获取结果
5. 5. 自动生成可视化图表和洞察分析

，时长00:34

技术架构上的创新在于Streamable HTTP模式的应用。这种模式特别适合Web应用集成，支持大数据量的流式传输。当查询涉及数百万条销售记录时，系统可以实时流式返回结果，用户无需等待完整查询完成就能看到初步结果。

更重要的是多轮对话能力。当用户继续问"这些快速增长的商品主要是哪些品类？"时，系统能够基于前一次查询的上下文，自动关联商品分类数据，提供更深层的分析。

这种变革的战略意义在于：首先，重新定义了数据分析的用户边界，从少数专家垄断转向全员数据驱动，让每个业务人员都成为数据分析师；其次，实现了从静态报表到动态洞察的跨越，数据不再是冰冷的数字，而是实时的业务助手；最后，构建了企业级的知识积累体系，每一次查询都在训练系统理解业务，形成组织的智慧资产。

图片

Cursor + Doris MCP 智能开发环境

第二个案例展示了智能开发环境的革命性变化。

这代表了MCP协议在开发者工具领域的突破性应用——让复杂的数据库交互变得如同日常对话般自然。让我用一个典型的开发场景来说明：

传统开发模式下，当开发者需要编写用户查询功能时，需要：

1. 1. 打开数据库管理工具查看user表结构
2. 2. 切换到文档查看字段说明
3. 3. 回到IDE编写查询代码
4. 4. 再次切换到数据库工具测试查询性能
5. 5. 查看执行计划优化SQL 整个过程需要在4-5个工具间频繁切换，严重打断开发思路。

，时长03:54

现在通过Cursor + Doris MCP，开发者在编码过程中直接询问："这个用户表有哪些字段？"系统立即通过get_table_schema工具返回完整的表结构信息，包括字段类型、注释、索引等。接着问"帮我优化这个查询的性能"，系统通过get_sql_explain工具分析执行计划，提供具体的优化建议。

技术实现上，Stdio通信模式是关键。它基于标准输入输出协议，实现了真正的零网络延迟。当您在Cursor中提问时，MCP Server作为子进程直接响应，没有HTTP请求的网络开销，响应时间控制在几十毫秒内。同时资源占用极低，不会影响IDE的性能。

更令人兴奋的是智能代码补全能力。系统不仅知道表结构，还能理解数据分布。当您输入"SELECT * FROM users WHERE"时，系统会基于实际数据特征建议最优的过滤条件，比如"age BETWEEN 18 AND 65"或"created_at > '2024-01-01'"。

安全特性同样重要。开发环境中的MCP Server配置了适当的权限控制，确保开发者只能访问开发数据库，防止误操作生产环境。同时，所有的查询都会通过内置的SQL安全检查，自动阻止潜在的危险操作。

这种变革的深层意义远超工具层面：首先，彻底消除了开发流程中的工具切换成本，开发者可以保持专注的心流状态，编程效率提升70%以上；其次，实现了基于真实数据结构的智能代码补全，从猜测式编程转向精确式开发，显著降低Bug率；最后，系统沉淀了数据库最佳实践，让每个初级开发者都能获得资深DBA级别的优化建议。

这不仅仅是效率的提升，更是开发范式的根本性变革——从"人适应工具"到"工具理解人"的智能化转型。

FastGPT + Doris MCP 企业级RAG

第三个案例展示了企业级RAG知识库的强大能力，这是AI与数据融合的最高形态。

FastGPT作为领先的开源RAG平台，与Doris MCP的结合创造了企业知识管理的全新范式。这不仅仅是简单的文档检索，而是实现了结构化业务数据与非结构化知识内容的深度融合。

让我用一个具体场景说明：当产品经理询问"我们的产品在哪些市场表现最好，相关的市场分析报告有哪些？"时，传统RAG系统只能检索文档库中的报告，而无法提供实时的销售数据分析。

但通过FastGPT + Doris MCP的组合，系统会同时进行：

1. 1. 语义检索：在向量数据库中找到相关的市场分析报告、竞品研究文档
2. 2. 数据查询：通过MCP协议实时查询销售数据库，分析各市场的实际销售表现
3. 3. 智能融合：将静态的研究报告与动态的业务数据进行关联分析
4. 4. 洞察生成：基于多模态数据提供全面的市场洞察

技术创新在于Doris的原生向量支持能力（半个月左右发Preview版本）。与传统需要单独部署向量数据库的方案不同，Doris可以在同一个Session中同时处理向量检索和结构化数据查询。这意味着系统可以执行这样的复杂查询："找到与用户问题语义相似度最高的前10个文档，同时关联这些文档涉及的产品在过去6个月的销售数据"。

架构优势体现在：FastGPT专注于知识向量化和语义理解，Doris MCP提供统一的数据访问接口，两者通过标准MCP协议协同工作。这种松耦合的设计让系统具有强大的扩展性，可以轻松集成更多数据源和AI能力。

Coze + Doris MCP 智能运维

让我们再看一个前瞻性的应用场景——智能运维，这展现了MCP协议的巨大潜力。

智能运维代表了MCP应用的另一个重要方向——让复杂的技术操作变得简单直观。想象一下，传统运维需要运维工程师具备深厚的数据库知识，熟悉各种监控工具，能够分析复杂的性能指标。

而通过Coze的工作流编排能力和Doris MCP的全面工具集，运维工作变得前所未有的简单。运维人员可以用自然语言描述需求："帮我检查昨天的慢查询情况"，系统会自动调用get_recent_audit_logs和get_sql_profile等工具，不仅显示慢查询列表，还提供详细的性能分析和优化建议。

"为订单表创建合适的分区策略"这样的复杂需求，系统会通过get_table_data_size分析表的数据分布，结合get_monitoring_metrics_data了解历史查询模式，自动生成最适合的分区方案。

这种智能化运维的价值在于：降低运维门槛，让更多人能够参与数据库管理；提供7x24小时自动化响应，从被动响应转向主动预防；沉淀运维经验，实现知识的标准化和可复用。

总结与展望

回顾今天的分享，我们见证了一个激动人心的技术变革时代。Apache Doris MCP不仅仅是一个技术产品，更是连接AI与数据的重要桥梁，是Agent时代数据基础设施的核心组件。

让我们回顾一下它的核心价值：

首先，技术标准化价值。MCP协议为AI应用提供了标准化的数据访问接口，就像USB-C统一了设备连接标准一样，MCP正在统一AI与数据的交互标准。这种标准化让开发效率提升了数倍，维护成本大幅降低。

其次，应用生态价值。从ChatBI的民主化数据分析，到智能开发环境的无缝集成，再到企业级RAG的知识融合，每个场景都展现了MCP生态的巨大潜力。我们不是在构建单一产品，而是在打造一个完整的AI数据生态系统。

最后，商业模式创新。MCP的出现催生了全新的AI应用场景和商业模式。企业可以更快速地构建AI应用，更低成本地维护数据集成，更高效地挖掘数据价值。

展望未来，我们相信随着AI技术的不断成熟和MCP生态的持续发展，会有更多令人兴奋的创新应用涌现。Apache Doris将继续在这个过程中发挥重要作用，为AI时代的数据智能化提供坚实的技术基础。

我们的愿景是：让每个企业都能轻松构建自己的AI数据应用，让每个开发者都能专注于业务创新而不是技术集成，让每个用户都能享受到AI带来的智能化体验。

各位朋友，我们正站在一个历史性的转折点上。AI时代的到来不是渐进式的改进，而是颠覆性的变革。在这个变革中，数据将成为AI的血液，而像Apache Doris MCP这样的技术，正是让这些血液流动起来的血管。

今天我们看到的不仅仅是技术的进步，更是一个全新商业文明的开端。当数据分析师可以用自然语言秒级获得答案，当开发者无需离开IDE就能完成所有数据操作，当企业知识可以与实时数据无缝融合，我们就真正进入了智能化时代。

Apache Doris MCP项目现已开源发布，我们诚挚邀请全球开发者加入这个激动人心的生态建设。无论您是AI应用开发者、数据工程师，还是企业架构师，都能在这个开放平台上找到自己的位置，共同推动AI与数据融合的技术边界。

让我们携手共进，在这个智能数据的新时代，用标准化的力量、开源的精神、创新的勇气，共同创造一个更加智能、更加开放、更加美好的未来！

小结

Doris MCP Server 在接下来的规划方向重点会有两部分：

1. 1. 与 Dify、FastGPT、Coze 等 Agent 平台进行进一步融合，总结提供大量的 DSL 之类的模板文件，以便于整合开箱即用。
2. 2. 进一步完善 Doris MCP Server 的安全、权限、策略、工具、资源、Prompt等方面的能力，快速迭代发布。